校园骨干网流量监控系统设计与实现

介绍了网络性能测量领域目前使用的两种方法,然后采用被动测量技术,结合开源软件,设计并实现了校园骨干网流量监控系统.该系统使用循环轮转型文件存储数据,解决了因数据存储量过大而导致系统计算效率低的问题.同时,该系统可以实时直观地显示各条链路的流量负载情况,为制定路由策略和网络建设规划提供参考.     

DHT网络中基于测量的QoS监控系统

为对P2P系统提供QoS支持,深入研究了现有的分布式哈希表、网络测量技术和网络测量系统架构,并在此基础上设计了一个架构在DHT网络上的网络测量系统.该测量系统对DHT网络中的Peer之间的网络性能与Peer自身资源进行测量、分析、存储与发布,为DHT网络的有效利用提供决策支撑.实验表明该系统具有较好的可扩展性、自治性、多种测量工具协同能力.     

一种分布式的宽带网络测量系统

开发了一套跨平台、分布式的网络流量测量系统.可起到测量网络业务流、评估网络性能、规划网络设计等作用.该系统由控制中心、测量探针和数据存储服务器三个模块组成,实现了对网络流量的主动测量和被动测量.主要采用了IPFIX标准、FLEX web技术,实现了多任务调度、RIA应用,具有部署灵活、扩展性好、兼容性强、数据呈现清晰直...     

基于MSP430和SD卡的低功耗压力采集系统

为了采集并存储压力信号,提出了基于MSP430单片机和SD卡存储器的压力信号数据采集与存储系统,该系统成功解决了压力测量中的低噪声、低功耗和大容量存储等关键技术.功耗测试及实测压力结果表明,该系统功耗低、精度高、性能可靠.     

基于目录服务的区域网络性能测量框架NPMI设计与实现

分析了有代表性的5个主动网络性能测量体系结构的数据获取和存储的方法。在综合分析它们优势与不足的基础上设计和实现一个新的基于目录服务的分区域网络性能测量框架NPMI。文章介绍了它的层次结构、组成模块和各角色在测量区域间和区域内的通讯模型。重点分析NPMI的核心目录服务的功能与目录组成结构。灵活结合主动测量控制协议和测量工具模块包装方法解决了NPMI的数据获取和存储问题。     

海量网络监测数据存储优化研究

目前,大型网络监测系统多采用数据库管理系统(DBMS)作为数据存储的方式.虽然DBMS较好的解决了海量数据难以管理的问题,但DBMS技术本身比较复杂,若应用不当将导致系统整体运行性能低下.本文针对大型网络监测系统的特点,从表结构设计和提高I/O效率两方面着手,提出一系列监测数据存储的优化措施,实效显著.     

IPFS网络内容和性能测量

IPFS（interplanetary file system,星际文件系统）是一个去中心化的分布式文件系统,作为对区块链系统在存储方面的重要拓展获得许多应用。然而,对于IPFS本身尚有许多问题亟待回答,包括IPFS被用于存储怎样的内容、影响性能的关键因素等。通过在IPFS网络中部署爬虫程序,收集数据,从内容和性能两方面进行了测量研究。内容测量的结果发现,IPFS网络中存储的文件有80%以上是小于1?MB的小文件;IPFS中存储的文件和目录的构成的图的度近似满足幂律分布。在性能测量中,发现当前IPFS网络由约15?000个节点组成,节点互相连接构成的网络的入度满足幂律分布。在IPFS中存储文件时,分片大小和数量对性能有直接的影响,而在不同的网络环境中,即私有集群和公开网络中,DHT查询的性能相差较大;提供者数量越多,DHT解析越快。     

移动IPv6切换性能测量研究*

在分析移动IPv6切换过程的基础上,设计了移动切换性能测量指标,提出了移动IPv6切换性能测量方法,基于该方法设计并实现了移动IPv6切换性能测量原型系统.该系统能测量从网络层到应用层的移动切换性能,解决了现有测量工具部署繁琐的问题.用该系统在实际的测试网上进行测试实验,实验发现移动IPv6切换对各种网络应用造成了不良影响,而且切换性能随着网络层次的增加越来越差,从网络层往上到应用层切换对网络性能的影响呈不断扩大的趋势.     

基于对象存储原型系统的实现及其性能分析

随着存储需求和管理成本的不断增加,基于对象的存储即将成为未来存储的标准接口.基于对象的存储系统在性能、可扩展性、安全性、跨平台共享能力等方面均存在着优越性.为了系统在性能方面的这些优势,基于T10组织的OSD-2命令集实现了一个OBSS原型系统.在原型系统的基础上,对系统的性能进行了测试.测试结果表明,OBSS系统的性能要优于NFS网络文件系统.     

嵌入式数据库的海量存储技术研究

本文分析了典型的嵌入式数据库Berkeley DB.与常见的数据库相比,它具有体积小、功能齐备、可移植性、健壮性等特点.文章将嵌入式数据库Berkeley DB应用到网络性能管理系统(NPMS)当中,详细介绍了多进程、多数据库加锁机制、多个附加数据库查询机制的实现.较好地解决了网络性能管理系统当中海量数据的存储问题.大大提高了系统的数据存取速度,改善了系统的整体性能.     

结合P2P的媒体分发网络的承载量分析

近年来结合P2P的媒体分发网络(MDN)越来越受到人们的关注.它通过将P2P技术引入到传统的内容分发网络,增加了网络的可扩展性,提高了网络的服务质量.为了对这种MDN网络的性能进行分析,本文建立一个线性规划模型,利用该模型可求解出MDN网络的最大吞吐量,进而分析了网络的承载量.通过实验,分析了模型中不同参数和策略配置对网络承载量的影响,从而找出了影响系统性能的各种因素.这些结果对进一步提升网络性能、配置网络参数有很好的指导作用.     

自适应融合残差网在图像分类中应用研究

针对卷积神经网络存在随着网络深度增加导致优化困难,识别正确率降低、泛化性能差等问题,在Res Net(残差网络)基础上,提出了一种基于softmax全连接自适应门控网络融合模型.该方法在隐层网络深度达到一定层数后,设置多种卷积核尺寸作为独立网络输出,通过softmax全连接门控网络输出各模型选择概率,融合多种卷积尺寸残差网输出作为模型最终输出.实验表明,本文提出的融合残差网络模型更适合于多类别、精细化数据集,与单网络模型相比,在训练集上具有更好的收敛性,在测试集上具有更好的泛化性能.     

基于VBR业务模型的MANET DSR协议仿真性能分析

移动Ad Hoc网络(MANET)是由一组由移动节点组成的无线网络。MANET的性能已经被广泛的进行了研究,但是这些研究很多主要是针对节点的移动性和网络的规模来展开的。近年来,MANET在传输视频、音频、数据、图像等多媒体上的应用越来越多,因此对MANET在传输不同业务模型时的性能分析也引起了注意。本文中,我们主要研究分析了MANETDSR协议在传输VBR业务时的性能,并且将仿真结果和传输CBR业务时的结果进行了比较。通过进一步的分析,我们得出与传输VBR业务相比,在传输CBR业务时,MANET DSR协议性能明显提高。     

基于瘦客户的混合计算设计与实现

随着瘦客户系统的广泛应用,瘦客户计算系统中一些固有的缺点越来越明显:单一依赖服务器计算,瘦客户端剩余过多的计算能力,对网络带宽要求较高等.在这篇文章中,我们提出了基于瘦客户计算的服务器/本地混合计算模式—即通过适当利用瘦客户端本地计算资源的能力来进行应用处理,在一定程度上避免或改进了这些不足.通过对媒体播放应用在传统瘦客户计算模式和混合计算模式的比较测试,证明了新模式在取得性能改善的同时,可以有效地缓解服务器计算和网络带宽压力,提高幅度达75%以上.     

Multipath affinage stacked—hourglass networks for human pose estimation

Recently, stacked hourglass network has shown outstanding performance in human pose estimation. However, repeated bottom-up and top-down stride convolution operations in deep convolutional neural networks lead to a significant decrease in the initial image resolution. In order to address this problem, we propose to incorporate affinage module and residual attention module into stacked hourglass network for human pose estimation. This paper introduces a novel network architecture to replace the stacked hourglass network of up-sampling operation for getting high-resolution features. We refer to the architecture as an affinage module which is critical to improve the performance of the stacked hourglass network. Additionally, we also propose a novel residual attention module to increase the supervision of upsample process. The effectiveness of the introduced module is evaluated on standard benchmarks. Various experimental results demonstrated that our method can achieve more accurate and more robust human pose estimation results in images with complex background.     

自组网路由协议性能比较

近年来,无线自组网因其完全分布式以及灵活组网等特性受到学术界和产业界的广泛关注。将自组网投入实际应用前,仿真分析其性能是必不可少的一个环节。而路由是自组网关键问题之一,路由协议的性能直接影响整个系统的性能。文中分别从分组递交率、平均时延、平均跳数以及路由开销四个方面比较了目前最具代表性的四个路由协议——AODV、DS-DV、DSR和TORA的性能,分析了拓扑变化和网络负载对各协议性能的影响。     

TCP／IP协议对快速网络的作用分析

1 引文 Myrinet和Gigabit-Ethernet是当今世界上性能最好的两种可以运用于局域网的高性能并行计算的网络系统。它们以其高效、高速的传输特点在广泛的领域里得到了好评。但是,这两种同样是高端的网络产品,其实现的技术在很多方面却是大相径庭的。而在当今的网络协议中,TCP/IP协议是当然的主角。无论是万维网(WWW),还是一般的局域网(LAN),我们都曾经,或者正在使用TCP/IP协议。对于TCP/IP协议,Myrinet和Gigabit-Ethernet有着不同选择。虽然对于Myrinet来说,用户能够直接挂接TCP/IP     

分布式文件系统的流式数据预读

在分布式文件系统中,网络和磁盘往往是影响IO性能的主要因素.如何最大限度地挖掘网络和磁盘的性能潜力,长期以来一直都是非常活跃的研究课题.已有研究工作主要侧重于预取策略和数据的缓存策略,而未能将网络和服务器端磁盘I/O统一进行调度.提出并设计实现了一种流式预读方法,通过在客户端改变发送预读请求和接收预读数据的顺序,交错网络传输和磁盘访问,实现了延迟隐藏.测试表明,这种方法确实显著提高了顺序读性能.     

A Comment on "Beyond Fat-tree: Unidirectional Load-Balanced Multistage Interconnection Network"

A recent work proposed to simplify fat-trees with adaptive routing by means of a load-balancing deterministic routing algorithm. The resultant network has performance figures comparable to the more complex adaptive routing fat-trees when packets need to be delivered in order. In a second work by the same authors published in IEEE CAL, they propose to simplify the fat-tree to a unidirectional multistage interconnection network (UMIN), using the same load-balancing deterministic routing algorithm. They show that comparable performance figures are achieved with much lower network complexity. In this comment we show that the proposed load-balancing deterministic routing is in fact the routing scheme used by the butterfly network. Moreover we show that the properties of the simplified UMIN network proposed by them are intrinsic to the standard butterfly and other existing UMINs.     

基于自适应级联的注意力网络的超分辨率重建

深度卷积神经网络显著提升了单图像超分辨率的性能. 通常, 网络越深, 性能越好. 然而加深网络往往会急剧增加参数量和计算负荷, 限制了在资源受限的移动设备上的应用. 提出一个基于轻量级自适应级联的注意力网络的单图像超分辨率方法. 特别地提出了局部像素级注意力模块, 给输入特征的每一个特征通道上的像素点都赋以不同的权值, 从而为重建高质量图像选取更精确的高频信息. 此外, 设计了自适应的级联残差连接, 可以自适应地结合网络产生的层次特征, 能够更好地进行特征重用. 最后, 为了充分利用网络产生的信息, 提出了多尺度全局自适应重建模块. 多尺度全局自适应重建模块使用不同大小的卷积核处理网络在不同深度处产生的信息, 提高了重建质量. 与当前最好的类似方法相比, 该方法的参数量更小, 客观和主观度量显著更好.